← Archive
lm-003902 · 2026-09

AI 不只是生產工具，而是第二設計師

zh-Hant · md Raw source ↗ Metadata ↗
下載 MD 檔 ⬇

AI 不只是生產工具，而是第二設計師

系列： AI 時代的創作、選擇與人類復古系列
篇次： 第 6 篇
版本： v0.1
性質： 理論論文／AI 協作設計框架／公開版

摘要

生成式 AI 在創作產業中的用途，常被侷限在「生成更多東西」：圖像、文字、程式、音樂、關卡與資料。但當 AI 逐漸降低生產成本後，真正更稀缺的能力開始轉向：誰來持續檢查這些東西是否應該存在、是否彼此一致、是否真正改變使用者決策，以及是否形成整體產品價值。

本篇提出：

AI≠Only a Production Tool\boxed{ \text{AI} \neq \text{Only a Production Tool} }

而可以被部署為：

AI as Permanent Second Designer\boxed{ \text{AI as Permanent Second Designer} }

「第二設計師」不是讓 AI 取代人類的最終決策權，而是讓 AI 長期承擔第二視角、架構審查者、反對者、全域差分分析者、假設破壞者與設計紅隊。

本篇建立：

Design→Implement→AI Global Audit→Human Review→Revision\boxed{ \text{Design} \rightarrow \text{Implement} \rightarrow \text{AI Global Audit} \rightarrow \text{Human Review} \rightarrow \text{Revision} }

並主張，AI 最重要的創作價值之一，可能不是替人類做更多，而是替人類持續看見自己看不到的地方。

關鍵詞

AI Second Designer、AI Reviewer、Integration Audit、Design Red Team、創作協作、Integration Debt、全域審查、Agentic Development、Human-in-the-loop、選擇

1. 創作者最難看到的，是自己以為已經知道的東西

創作者知道：

  • 設計意圖；
  • 世界觀；
  • 角色背景；
  • 隱藏公式；
  • 系統用途；
  • 預期玩家行為；
  • 尚未完成的未來規劃。

因此他會自然在腦內補完產品缺失。

設：

M=Creator Mental ModelM = \text{Creator Mental Model} P=Product StateP = \text{Product State}

創作者可能認為：

Relation(Mi,Mj)=1Relation(M_i,M_j)=1

但實際產品：

Relation(Pi,Pj)=0Relation(P_i,P_j)=0

所以：

Mental Completion≠Product Completion\boxed{ \text{Mental Completion} \neq \text{Product Completion} }

2. 第二設計師真正提供的是「摩擦」

第二設計師的價值，不是再替第一個設計師增加十個功能。

而是：

對第一個設計師的世界模型施加摩擦。\boxed{ \text{對第一個設計師的世界模型施加摩擦。} }

例如反問：

這個系統為什麼存在？

玩家什麼時候需要理解它？

如果刪掉它，作品真的會變差嗎？

這個角色被世界記住了嗎？

這個 ending 真的讀過前面的選擇嗎？

這些問題會把隱含假設逼到表面。

3. AI 為什麼適合扮演第二設計師

傳統小團隊很難長期擁有一個同時：

  • 看得懂完整產品；
  • 願意反覆閱讀所有版本；
  • 理解程式與玩法；
  • 了解玩家視角；
  • 又敢持續反對作者；

的第二個人。

AI 的特殊價值是：

Low-Cost Repeated Review\boxed{ \text{Low-Cost Repeated Review} }

它不一定永遠正確，但可以持續提供異議。

4. Reviewer Value 不等於 Decision Authority

第二設計師不需要：

Accuracy=100%Accuracy=100\%

真正需要的是：

Generate Useful Disagreement\boxed{ \text{Generate Useful Disagreement} }

因此：

Reviewer Value≠Decision Authority\boxed{ \text{Reviewer Value} \neq \text{Decision Authority} }

AI 可以指出：

這個系統可能冗餘。

人類仍可以回答：

我知道，但我刻意保留。

只要這個選擇已經成為：

Conscious Choice\boxed{ \text{Conscious Choice} }

review 就產生價值。

5. Human Final Authority

本篇主張：

AI Review≠AI Rule\boxed{ \text{AI Review} \neq \text{AI Rule} }

成熟流程應該是：

AI raises objections→Human evaluates evidence→Human accepts responsibility\boxed{ \text{AI raises objections} \rightarrow \text{Human evaluates evidence} \rightarrow \text{Human accepts responsibility} }

所以 AI 第二設計師不是第二個獨裁者，而是第二個有能力說「不」的腦。

6. Consistency Audit

第一類審查是：

Consistency Audit\boxed{ \text{Consistency Audit} }

檢查：

  • UI 描述與 runtime 是否一致；
  • 設定與實際條件是否一致；
  • 數值與公式是否一致；
  • 劇情規則與玩法是否一致；
  • 文件與程式是否一致。

因此：

Description↔Implementation\boxed{ \text{Description} \leftrightarrow \text{Implementation} }

可以被持續比對。

7. Causal Audit

第二類審查問：

Who Reads It?\boxed{ \text{Who Reads It?} }

以及：

What Changes Because of It?\boxed{ \text{What Changes Because of It?} }

對每個變量：

xix_i

追蹤：

xi→{y1,y2,…,yn}x_i \rightarrow \{y_1,y_2,\dots,y_n\}

若：

n=0n=0

則它可能只是：

Decorative State\boxed{ \text{Decorative State} }

而不是有意義的玩法變量。

8. Utility Audit

第三類審查直接問：

ΔUplayer(Fi)\boxed{ \Delta U_{player}(F_i) }

也就是：

玩家為什麼在乎這個功能？

如果新增：

  • 貨幣；
  • stat；
  • 聲望；
  • crafting 素材；
  • 派系；

但：

ΔUplayer≈0\Delta U_{player}\approx0

則它可能只是：

Feature Inflation\boxed{ \text{Feature Inflation} }

9. Counterfactual Audit

第四類審查不是問：

這功能能不能跑？

而是：

如果把它拿掉，會怎樣？

若：

Product(Fi)≈Product(¬Fi)Product(F_i) \approx Product(\neg F_i)

則：

MFV(Fi)≈0\boxed{ MFV(F_i)\approx0 }

即其 Marginal Feature Value 接近零。

這是一個比「功能存在」更嚴格的設計測試。

10. Integration Audit

第五類審查把整個產品建成：

G=(V,E)G=(V,E)

其中：

  • VV：系統、角色、資源、任務與狀態節點；
  • EE：有效依賴、讀寫、因果與回饋。

AI 可以尋找：

  • orphan nodes；
  • weakly connected components；
  • dead ends；
  • one-way dependencies；
  • missing feedback loops。

這使：

Integration Debt\boxed{ \text{Integration Debt} }

從抽象感覺變成可審核對象。

11. Global Design Diff

版本從：

vt→vt+1v_t \rightarrow v_{t+1}

時，不只做程式 diff。

還應做：

GDD(vt,vt+1)\boxed{ GDD(v_t,v_{t+1}) }

也就是：

Global Design Diff\boxed{ \text{Global Design Diff} }

它回答：

這次修改在整體玩法上真正改變了什麼？

12. Local Change → Global Consequence

若一次 commit 只改：

cic_i

AI 可以產生：

Expected Consequence Set(ci)\boxed{ \text{Expected Consequence Set}(c_i) }

例如：

修改了速度上限，可能影響角色成長、自訂零件價值、敵我命中率與某些 build 的有效性。

於是：

Local Code Change→Global Test Targets\boxed{ \text{Local Code Change} \rightarrow \text{Global Test Targets} }

13. 第二設計師必須是 Permanent

真正重要的不是偶爾：

問 AI 一次。

而是：

Permanent Review Infrastructure\boxed{ \text{Permanent Review Infrastructure} }

每個 milestone、RC、重大系統、balance patch 都重新審查。

如此：

Review\text{Review}

才從臨時活動變成生產流程的一部分。

14. Second-Designer Loop

本篇正式提出：

Design→Implement→AI Global Audit→Human Review→Revision\boxed{ \text{Design} \rightarrow \text{Implement} \rightarrow \text{AI Global Audit} \rightarrow \text{Human Review} \rightarrow \text{Revision} }

然後：

Repeat\boxed{ \text{Repeat} }

這個 Loop 的核心不是自動化，而是：

制度化異議\boxed{ \text{制度化異議} }

15. 為什麼要制度化反對

隨著：

SunkCost↑SunkCost\uparrow

創作者的：

WillingnessToDelete↓WillingnessToDelete\downarrow

很自然。

因為：

這東西我做了三個月。

會偷偷變成：

所以它應該留下。

AI reviewer 可以比較不受這個心理成本影響，持續問：

它對產品的邊際價值是多少？

16. Blind Player Mode

一個非常重要的審查方式是：

Blind Player Mode\boxed{ \text{Blind Player Mode} }

只讓 AI 看：

  • UI；
  • tutorial；
  • 遊戲畫面；
  • 玩家可見文字。

不提供：

  • source code；
  • 作者解釋；
  • 隱藏設定。

然後問：

你能不能自己理解？

這測的是：

Product Self-Explanatory Capacity\boxed{ \text{Product Self-Explanatory Capacity} }

17. White-Box Architect Mode

另一個極端：

White-Box Architect Mode\boxed{ \text{White-Box Architect Mode} }

讓 AI 讀：

  • source；
  • data table；
  • state machine；
  • save format；
  • event graph；
  • formula。

再檢查：

Global Architecture\boxed{ \text{Global Architecture} }

18. Black-Box × White-Box Cross Audit

若 Black-Box 認為某系統沒作用，但 White-Box 發現它實際有大量後台效果，問題可能是：

Visibility Failure\boxed{ \text{Visibility Failure} }

反過來，若玩家覺得它很重要，但 White-Box 發現根本沒有下游影響，則可能是：

Meaning Illusion\boxed{ \text{Meaning Illusion} }

兩種模式交叉後，比單一測試更有價值。

19. Player-Model Diversity

第二設計師也不應只有一個 persona。

可以有：

Newbie,Min-Maxer,Roleplayer,Completionist,Speedrunner\text{Newbie}, \text{Min-Maxer}, \text{Roleplayer}, \text{Completionist}, \text{Speedrunner}

並比較：

Uk(Fi)U_k(F_i)

其中 kk 是玩家類型。

因為：

U1(Fi)≠U2(Fi)\boxed{ U_1(F_i) \neq U_2(F_i) }

20. Preference Surface

多個 persona 的結果可以形成：

U(Fi)={U1,U2,…,Un}\boxed{ \mathcal{U}(F_i) = \{U_1,U_2,\dots,U_n\} }

也就是：

Preference Surface\boxed{ \text{Preference Surface} }

它不是要求創作者迎合所有人，而是讓創作者知道：

這個選擇到底在服務誰，又犧牲了誰。

21. 第二設計師真正降低的是 Unconscious Choice

AI review 不可能消滅所有錯誤選擇。

但它可以降低：

Unconscious Choice\boxed{ \text{Unconscious Choice} }

也就是：

創作者根本沒有發現自己已經做了這個取捨。

成熟設計最重要的是：

Conscious Trade-off\boxed{ \text{Conscious Trade-off} }

22. Assumption Externalization

創作者可能說：

玩家自然會知道。

AI 問：

為什麼？

創作者說：

這個資源後期有用。

AI 問：

哪個系統後期讀它？

創作者說：

這角色很重要。

AI 問：

哪個玩家決策因他而改變？

這個過程叫：

Assumption Externalization\boxed{ \text{Assumption Externalization} }

23. Assumption Ledger

每個重大設計都可以記錄：

Ai=(Assumption,Evidence,Test,Status)\boxed{ A_i = ( \text{Assumption}, \text{Evidence}, \text{Test}, \text{Status} ) }

例如：

玩家會願意持續花錢升級裝備。

那就必須檢查：

  • 收入曲線；
  • 花費曲線；
  • 免費替代品；
  • 捕獲收益；
  • 終局需求。

於是：

Design Belief→Testable Hypothesis\boxed{ \text{Design Belief} \rightarrow \text{Testable Hypothesis} }

24. Falsification-Oriented Design

很多設計流程問：

我要怎麼證明這東西很好？

更強的流程問：

What would prove this design wrong?\boxed{ \text{What would prove this design wrong?} }

也就是：

Falsification-Oriented Design\boxed{ \text{Falsification-Oriented Design} }

AI 特別適合大量尋找反例。

25. Design Red Team

可以專門配置：

Design Red Team\boxed{ \text{Design Red Team} }

任務是：

  • 找 dominant strategy；
  • 找 useless stat；
  • 找假選擇；
  • 找無效分支；
  • 找可刪功能；
  • 找 exploit；
  • 找敘事斷裂；
  • 找系統孤兒。

它不是要：

好好玩。

而是：

Break the Design Model\boxed{ \text{Break the Design Model} }

26. Builder、Reviewer、Judge 應該分開

若同一個 AI 剛寫完功能，又立即替自己評分，容易產生：

Self-Validation Bias\boxed{ \text{Self-Validation Bias} }

所以：

Builder≠Reviewer\boxed{ \text{Builder} \neq \text{Reviewer} }

更完整：

Builder→Reviewer→Judge→Human\boxed{ \text{Builder} \rightarrow \text{Reviewer} \rightarrow \text{Judge} \rightarrow \text{Human} }

其中人類保留最終責任。

27. 不同角色的 Objective 必須不同

Builder：

max⁡Completion\boxed{ \max Completion }

Reviewer：

max⁡DefectDiscovery\boxed{ \max DefectDiscovery }

Judge：

max⁡DecisionQuality\boxed{ \max DecisionQuality }

若全部優化：

max⁡Agreement\max Agreement

那麼流程失去價值。

28. AI Reviewer 的核心輸出不是「100 個建議」

最有效的 reviewer 輸出應該是：

Issue→Evidence→Impact→Counterexample→Suggested Test\boxed{ \text{Issue} \rightarrow \text{Evidence} \rightarrow \text{Impact} \rightarrow \text{Counterexample} \rightarrow \text{Suggested Test} }

每個 issue 至少可以包含：

(Severity,Evidence,AffectedSystems,Hypothesis,Test,Confidence)\boxed{ ( \text{Severity}, \text{Evidence}, \text{AffectedSystems}, \text{Hypothesis}, \text{Test}, \text{Confidence} ) }

如此才能從「感覺怪」變成可執行審查。

29. Historical Design Memory

AI 第二設計師還有一個人類很難長期維持的功能：

Continuity\boxed{ \text{Continuity} }

它可以讀：

  • 舊 issue；
  • changelog；
  • regression test；
  • design note；
  • player feedback；
  • commit history。

於是：

Past Failure→Future Constraint\boxed{ \text{Past Failure} \rightarrow \text{Future Constraint} }

30. Solo Team 不再等於 Single Perspective

以前：

1 developer=1 active perspective1\text{ developer} = 1\text{ active perspective}

現在可以變成：

1 human+N review perspectives\boxed{ 1\text{ human} + N\text{ review perspectives} }

因此：

Solo Team≠Single Perspective\boxed{ \text{Solo Team} \neq \text{Single Perspective} }

這正是 AI 時代一人開發方法論最重要的結構變化之一。

31. 第二設計師不只適用於遊戲

在小說：

Narrative Integration Audit\boxed{ \text{Narrative Integration Audit} }

可以問：

動機是否一致？伏筆是否回收？刪掉這章主線會不會改變？

在軟體：

Architectural Integration Audit\boxed{ \text{Architectural Integration Audit} }

可以問：

這個設定誰讀？API 是否重複？哪個 invariant 被破壞？

在研究：

Epistemic Integration Audit\boxed{ \text{Epistemic Integration Audit} }

可以問：

命題依賴什麼假設？是否有反例？這個定義後文真的使用了嗎？

32. 第二設計師必須被允許反對

如果 AI 的角色只是：

這個想法很棒。

它不是 reviewer。

第二設計師模式需要：

Disagreement Permission\boxed{ \text{Disagreement Permission} }

也就是：

  • 可以說不；
  • 可以要求證據；
  • 可以主張刪除；
  • 可以提出反例；
  • 可以指出人類偏誤。

33. 但 AI 也不能成為第二獨裁者

AI 可能：

  • 不理解藝術意圖；
  • 偏向常見方案；
  • 過度平均化；
  • 誤判極端創作；
  • 對長期設計理解不足。

所以：

AI Review≠AI Authority\boxed{ \text{AI Review} \neq \text{AI Authority} }

最成熟的模式是：

AI supplies dissent; human owns the choice.\boxed{ \text{AI supplies dissent; human owns the choice.} }

34. AI 第二設計師是一種 Meta-Tool

一般工具：

Tool→ArtifactTool \rightarrow Artifact

第二設計師：

Tool→Better Decisions About Artifacts\boxed{ Tool \rightarrow \text{Better Decisions About Artifacts} }

因此它不是單純 production tool，而是：

Meta-Tool\boxed{ \text{Meta-Tool} }

它提升的是：

Decision Quality\boxed{ \text{Decision Quality} }

35. 生產力提升後，Decision Quality 變成瓶頸

當：

ProductionCost↓ProductionCost\downarrow

且：

ProductionCapacity↑ProductionCapacity\uparrow

真正更重要的問題逐漸從：

Can It Be Built?\text{Can It Be Built?}

轉成：

What Should Be Built?\boxed{ \text{What Should Be Built?} }

這也意味著：

Decision Quality\boxed{ \text{Decision Quality} }

會成為 AI 時代創作的核心稀缺資源之一。

36. 第二設計師與 Human-Retro 的關係

如果 AI 可以：

  • 生成；
  • 寫程式；
  • 測試；
  • 分析；
  • 反對；

那人類作者真正留下的東西越來越接近：

Final Selection\boxed{ \text{Final Selection} }

也就是：

我看過很多可能性與反對意見，但為什麼最後仍然選這一條？

因此第二設計師不必削弱人類作者性。

它反而可以強化：

Human Authorial Responsibility\boxed{ \text{Human Authorial Responsibility} }

37. 更多 AI 參與，不必然等於更少作者性

若人類仍然：

Defines Goals\boxed{ \text{Defines Goals} } Chooses Constraints\boxed{ \text{Chooses Constraints} } Reviews Alternatives\boxed{ \text{Reviews Alternatives} } Accepts Responsibility\boxed{ \text{Accepts Responsibility} }

那麼：

High AI Participation\boxed{ \text{High AI Participation} }

可以與：

High Human Authorial Control\boxed{ \text{High Human Authorial Control} }

同時成立。

38. AI 第二設計師開始擴張選擇底空間

沒有第二視角時，很多道路：

你根本沒想到。

有 AI reviewer 後：

B=Choice Space\mathfrak B = \text{Choice Space}

可能被擴大。

因此：

Bwith review⊃Bwithout review\boxed{ \mathfrak B_{\text{with review}} \supset \mathfrak B_{\text{without review}} }

而人類真正做的事情變成：

Select from a Larger Choice Space\boxed{ \text{Select from a Larger Choice Space} }

這已經開始接近本系列最後的「選擇底空間」問題。

39. 但更大的選擇空間需要壓縮

如果：

∣B∣↑|\mathfrak B|\uparrow

也會帶來：

Choice Overload\boxed{ \text{Choice Overload} }

因此 AI 第二設計師還必須會：

Rank+Compress+Explain\boxed{ \text{Rank} + \text{Compress} + \text{Explain} }

而不是無限制生成建議。

40. 系列中的位置

第五篇指出：

Feature Growth>Integration Growth\boxed{ \text{Feature Growth} > \text{Integration Growth} }

會形成 Integration Debt。

第六篇回答：

如何增加持續的 Integration Review？\boxed{ \text{如何增加持續的 Integration Review？} }

答案之一是：

AI as Permanent Second Designer\boxed{ \text{AI as Permanent Second Designer} }

下一篇將把第二設計師進一步擴張成多角色組織：

《一人團隊不再等於一個腦袋：Agentic Development》

41. 結論

AI 最容易被看見的能力是：

Generate\boxed{ \text{Generate} }

但當生成能力逐漸商品化，更稀缺的能力可能是：

Review\boxed{ \text{Review} }

以及：

Disagree\boxed{ \text{Disagree} }

因此：

AI 最重要的價值之一，不是替創作者做更多。\boxed{ \text{AI 最重要的價值之一，不是替創作者做更多。} }

而是：

替創作者持續看到自己看不到的地方。\boxed{ \text{替創作者持續看到自己看不到的地方。} }

成熟的 AI 協作流程也不應只是：

Human Prompt→AI Output\text{Human Prompt} \rightarrow \text{AI Output}

而更接近：

Human Intent→AI Alternatives→AI Critique→Human Selection→AI Verification→Human Responsibility\boxed{ \text{Human Intent} \rightarrow \text{AI Alternatives} \rightarrow \text{AI Critique} \rightarrow \text{Human Selection} \rightarrow \text{AI Verification} \rightarrow \text{Human Responsibility} }

這意味著，AI 時代真正稀缺的人類能力，正在從：

能不能自己把所有事情做完。

轉向：

能不能在大量可能性、反對意見與替代方案之中，仍然知道自己為什麼選這一條。\boxed{ \text{能不能在大量可能性、反對意見與替代方案之中，仍然知道自己為什麼選這一條。} }

因此，第二設計師並不必然削弱人類作者。

如果使用得當，它反而迫使人類：

更清楚地成為作者。\boxed{ \text{更清楚地成為作者。} }